干货|85页最新《人机对话系统》神经方法综述论文，微软与谷歌研究员联合出品：

【导读】来自微软研究院的 高剑锋， Michel Galley ，以及来自 Google的李力鸿， 最近在ArXiv上发布了关于《人机对话人工智能的神经方法-任务对话、问答系统、聊天系统》的综述论文，共85页，全面调研叙述了最新问答系统、任务对话、聊天系统的神经方法。

与本85页综述论文，作者之前发布有175页 PPT人机对话系统教程，欢迎查看!

微软与谷歌研究员联合出品：175页 PPT 带你总览对话系统全貌

【高剑锋】 现任微软研究院商业 AI部门的研究主管，曾任微软研究院深度学习技术中心研究主管，带领团队开发了许多面向销售和市场的AI解决方案。他还致力于研究深度学习在文本处理上的应用， 带领团队在对话系统(Dialogue System)、机器阅读理解(MRC)和问答(QA)等问题上进行探索。主页：

https://www.microsoft.com/en-us/research/people/jfgao/

【Michel Galley】  是微软研究院的研究员，主要研究方向是人工智能、自然语言处理、深度学习、对话系统、文本生成、机器翻译、文本和语音摘要。他目前的研究主要集中在对话系统的深度学习方法。主页：

https://www.microsoft.com/en-us/research/people/mgalley/

【李力鸿】 的主要研究方向是在机器学习的交互系统中的应用。他的重点领域是增强学习。他还对大数据的大型在线学习、主动学习、规划等相关领域感兴趣。他的工作主要应用于推荐、网页搜索、广告、对话系统和垃圾邮件检测。主页：

https://lihongli.github.io/

在本综述论文中，他们首先介绍与自然语言处理和对话人工智能相关的深度学习和增强学习的最新进展。然后，详细地描述了为实现三种对话系统而开发的最先进的神经网络方法。

• 阅读理解问答。阅读理解 QA 能够从Web文档和预编译的知识图谱(KG 's)等各种数据源获取的丰富知识，为用户提出的问题，回复简明直接的答案。

• 面向任务的对话系统，它可以帮助用户完成从会议安排到休假计划等一系列任务。

• 社交聊天机器人，它可以与人类进行无缝、适当的交谈，经常扮演聊天伙伴和推荐人的角色。

论文的最后一部分，介绍了工业界的人机对话系统的特点。

论文地址：

http://www.zhuanzhi.ai/paper/3e98b45830b80f8745383b22dc371d62

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

• 后台回复“NACAI” 就可以获取Neural Approaches to Conversational AI论文。

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知